## [1] "Informació sobre les variables : State(character) i Customer.Lifetime.Value(numeric)"

## Arizona California Nevada Oregon Washington
## 7974.180 7974.165 7660.736 8182.424 7988.036
## [1] "Informació sobre les variables : State(character) i Response(character)"

## v2
## v1 No Yes
## Arizona 1127 190
## California 1628 281
## Nevada 593 98
## Oregon 1653 289
## Washington 535 85
## [1] "El test de chi^2 entre State i Response val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.65902, df = 4, p-value = 0.9563
##
## [1] "Informació sobre les variables : State(character) i Coverage(character)"

## v2
## v1 Basic Extended Premium
## Arizona 792 417 108
## California 1145 590 174
## Nevada 410 207 74
## Oregon 1191 565 186
## Washington 382 179 59
## [1] "El test de chi^2 entre State i Coverage val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 6.481, df = 8, p-value = 0.5935
##
## [1] "Informació sobre les variables : State(character) i Education(character)"

## v2
## v1 Bachelor College Doctor High School or Below Master
## Arizona 407 389 51 366 104
## California 579 570 64 546 150
## Nevada 198 192 23 210 68
## Oregon 589 568 73 553 159
## Washington 173 171 26 195 55
## [1] "El test de chi^2 entre State i Education val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 10.214, df = 16, p-value = 0.8552
##
## [1] "Informació sobre les variables : State(character) i EmploymentStatus(character)"

## v2
## v1 Disabled Employed Medical Leave Retired Unemployed
## Arizona 57 827 60 38 335
## California 74 1191 92 61 491
## Nevada 31 430 36 18 176
## Oregon 93 1218 82 57 492
## Washington 27 386 30 15 162
## [1] "El test de chi^2 entre State i EmploymentStatus val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 4.7606, df = 16, p-value = 0.9968
##
## [1] "Informació sobre les variables : State(character) i Gender(character)"

## v2
## v1 F M
## Arizona 688 629
## California 977 932
## Nevada 350 341
## Oregon 1007 935
## Washington 324 296
## [1] "El test de chi^2 entre State i Gender val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.75339, df = 4, p-value = 0.9446
##
## [1] "Informació sobre les variables : State(character) i Income(integer)"

## Arizona California Nevada Oregon Washington
## 37478.13 37547.24 38234.86 37554.69 38039.85
## [1] "Informació sobre les variables : State(character) i Location.Code(character)"

## v2
## v1 Rural Suburban Urban
## Arizona 250 823 244
## California 378 1205 326
## Nevada 136 438 117
## Oregon 390 1231 321
## Washington 114 392 114
## [1] "El test de chi^2 entre State i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 3.4478, df = 8, p-value = 0.9032
##
## [1] "Informació sobre les variables : State(character) i Marital.Status(character)"

## v2
## v1 Divorced Married Single
## Arizona 209 783 325
## California 292 1117 500
## Nevada 108 388 195
## Oregon 303 1113 526
## Washington 90 344 186
## [1] "El test de chi^2 entre State i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 7.7707, df = 8, p-value = 0.4562
##
## [1] "Informació sobre les variables : State(character) i Monthly.Premium.Auto(integer)"

## Arizona California Nevada Oregon Washington
## 92.00911 93.74280 93.76700 94.14418 92.72097
## [1] "Informació sobre les variables : State(character) i Months.Since.Last.Claim(integer)"

## Arizona California Nevada Oregon Washington
## 15.17312 15.05029 15.38205 14.83265 15.82258
## [1] "Informació sobre les variables : State(character) i Months.Since.Policy.Inception(integer)"

## Arizona California Nevada Oregon Washington
## 48.32422 47.55107 47.84226 48.55252 49.62581
## [1] "Informació sobre les variables : State(character) i Number.of.Policies(integer)"

## Arizona California Nevada Oregon Washington
## 3.033409 2.920901 2.767004 2.958290 2.938710
## [1] "Informació sobre les variables : State(character) i Policy.Type(character)"

## v2
## v1 Corporate Auto Personal Auto Special Auto
## Arizona 252 1010 55
## California 408 1413 88
## Nevada 158 501 32
## Oregon 412 1443 87
## Washington 122 476 22
## [1] "El test de chi^2 entre State i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 7.1178, df = 8, p-value = 0.524
##
## [1] "Informació sobre les variables : State(character) i Total.Claim.Amount(numeric)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : State(character) i Vehicle.Class(character)"

## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## Arizona 697 20 24 72 248 256
## California 969 31 40 108 381 380
## Nevada 344 14 12 44 127 150
## Oregon 948 31 49 105 399 410
## Washington 312 15 10 23 119 141
## [1] "El test de chi^2 entre State i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 18.738, df = 20, p-value = 0.5389
##
## [1] "Informació sobre les variables : State(character) i Vehicle.Size(character)"

## v2
## v1 Large Medsize Small
## Arizona 134 935 248
## California 192 1359 358
## Nevada 77 452 162
## Oregon 201 1350 391
## Washington 67 449 104
## [1] "El test de chi^2 entre State i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 13.073, df = 8, p-value = 0.1094
##
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Response(character)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Coverage(character)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Education(character)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i EmploymentStatus(character)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Gender(character)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Income(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Income és de: 0.0321788043425394"
## [1] "La covariancia entre Customer.Lifetime.Value i Income és de: 6698608.78355915"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Location.Code(character)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Marital.Status(character)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Monthly.Premium.Auto(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Monthly.Premium.Auto és de: 0.395693861069249"
## [1] "La covariancia entre Customer.Lifetime.Value i Monthly.Premium.Auto és de: 93376.5187845385"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Months.Since.Last.Claim(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Months.Since.Last.Claim és de: 0.0229780588447161"
## [1] "La covariancia entre Customer.Lifetime.Value i Months.Since.Last.Claim és de: 1592.97480364601"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Months.Since.Policy.Inception és de: 0.0126351384708183"
## [1] "La covariancia entre Customer.Lifetime.Value i Months.Since.Policy.Inception és de: 2407.21529593476"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Number.of.Policies(integer)"

## [1] "La correlació entre Customer.Lifetime.Value i Number.of.Policies és de: 0.0262413069036642"
## [1] "La covariancia entre Customer.Lifetime.Value i Number.of.Policies és de: 426.261826407137"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Policy.Type(character)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Customer.Lifetime.Value i Total.Claim.Amount és de: 0.217797946628158"
## [1] "La covariancia entre Customer.Lifetime.Value i Total.Claim.Amount és de: 430266.439269197"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Vehicle.Class(character)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Vehicle.Size(character)"

## Arizona California Nevada Oregon Washington
## 420.3607 435.9309 443.1200 435.5970 440.2370
## [1] "Informació sobre les variables : Response(character) i Coverage(character)"

## v2
## v1 Basic Extended Premium
## No 3339 1681 516
## Yes 581 277 85
## [1] "El test de chi^2 entre Response i Coverage val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.56771, df = 2, p-value = 0.7529
##
## [1] "Informació sobre les variables : Response(character) i Education(character)"

## v2
## v1 Bachelor College Doctor High School or Below Master
## No 1664 1604 196 1624 448
## Yes 282 286 41 246 88
## [1] "El test de chi^2 entre Response i Education val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 6.3909, df = 4, p-value = 0.1718
##
## [1] "Informació sobre les variables : Response(character) i EmploymentStatus(character)"

## v2
## v1 Disabled Employed Medical Leave Retired Unemployed
## No 225 3506 242 55 1508
## Yes 57 546 58 134 148
## [1] "El test de chi^2 entre Response i EmploymentStatus val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 541.06, df = 4, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Response(character) i Gender(character)"

## v2
## v1 F M
## No 2861 2675
## Yes 485 458
## [1] "El test de chi^2 entre Response i Gender val: "
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: v1 and v2
## X-squared = 0.011193, df = 1, p-value = 0.9157
##
## [1] "Informació sobre les variables : Response(character) i Income(integer)"

## No Yes
## 37532.81 38378.50
## [1] "Informació sobre les variables : Response(character) i Location.Code(character)"

## v2
## v1 Rural Suburban Urban
## No 1155 3357 1024
## Yes 113 732 98
## [1] "El test de chi^2 entre Response i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 99.863, df = 2, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Response(character) i Marital.Status(character)"

## v2
## v1 Divorced Married Single
## No 770 3243 1523
## Yes 232 502 209
## [1] "El test de chi^2 entre Response i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 72.179, df = 2, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Response(character) i Monthly.Premium.Auto(integer)"

## No Yes
## 93.26409 94.30435
## [1] "Informació sobre les variables : Response(character) i Months.Since.Last.Claim(integer)"

## No Yes
## 15.22435 14.50265
## [1] "Informació sobre les variables : Response(character) i Months.Since.Policy.Inception(integer)"

## No Yes
## 48.44184 47.04136
## [1] "Informació sobre les variables : Response(character) i Number.of.Policies(integer)"

## No Yes
## 2.960983 2.818664
## [1] "Informació sobre les variables : Response(character) i Policy.Type(character)"

## v2
## v1 Corporate Auto Personal Auto Special Auto
## No 1147 4154 235
## Yes 205 689 49
## [1] "El test de chi^2 entre Response i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 2.4841, df = 2, p-value = 0.2888
##
## [1] "Informació sobre les variables : Response(character) i Total.Claim.Amount(numeric)"

## No Yes
## 430.7290 452.1353
## [1] "Informació sobre les variables : Response(character) i Vehicle.Class(character)"

## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## No 2814 103 111 289 1064 1155
## Yes 456 8 24 63 210 182
## [1] "El test de chi^2 entre Response i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 14.852, df = 5, p-value = 0.01101
##
## [1] "Informació sobre les variables : Response(character) i Vehicle.Size(character)"

## v2
## v1 Large Medsize Small
## No 548 3875 1113
## Yes 123 670 150
## [1] "El test de chi^2 entre Response i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 15.106, df = 2, p-value = 0.0005246
##
## [1] "Informació sobre les variables : Coverage(character) i Education(character)"

## v2
## v1 Bachelor College Doctor High School or Below Master
## Basic 1217 1149 130 1100 324
## Extended 549 571 92 580 166
## Premium 180 170 15 190 46
## [1] "El test de chi^2 entre Coverage i Education val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 16.606, df = 8, p-value = 0.03449
##
## [1] "Informació sobre les variables : Coverage(character) i EmploymentStatus(character)"

## v2
## v1 Disabled Employed Medical Leave Retired Unemployed
## Basic 183 2443 190 118 986
## Extended 72 1221 84 62 519
## Premium 27 388 26 9 151
## [1] "El test de chi^2 entre Coverage i EmploymentStatus val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 10.087, df = 8, p-value = 0.259
##
## [1] "Informació sobre les variables : Coverage(character) i Gender(character)"

## v2
## v1 F M
## Basic 2005 1915
## Extended 1026 932
## Premium 315 286
## [1] "El test de chi^2 entre Coverage i Gender val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.97702, df = 2, p-value = 0.6135
##
## [1] "Informació sobre les variables : Coverage(character) i Income(integer)"

## Basic Extended Premium
## 38064.94 36496.78 38764.29
## [1] "Informació sobre les variables : Coverage(character) i Location.Code(character)"

## v2
## v1 Rural Suburban Urban
## Basic 790 2419 711
## Extended 378 1244 336
## Premium 100 426 75
## [1] "El test de chi^2 entre Coverage i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 20.091, df = 4, p-value = 0.0004792
##
## [1] "Informació sobre les variables : Coverage(character) i Marital.Status(character)"

## v2
## v1 Divorced Married Single
## Basic 610 2263 1047
## Extended 301 1133 524
## Premium 91 349 161
## [1] "El test de chi^2 entre Coverage i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.089424, df = 4, p-value = 0.999
##
## [1] "Informació sobre les variables : Coverage(character) i Monthly.Premium.Auto(integer)"

## Basic Extended Premium
## 82.1574 103.8846 132.7388
## [1] "Informació sobre les variables : Coverage(character) i Months.Since.Last.Claim(integer)"

## Basic Extended Premium
## 14.90510 15.37487 15.68386
## [1] "Informació sobre les variables : Coverage(character) i Months.Since.Policy.Inception(integer)"

## Basic Extended Premium
## 48.25051 47.81512 49.53411
## [1] "Informació sobre les variables : Coverage(character) i Number.of.Policies(integer)"

## Basic Extended Premium
## 2.950510 2.959142 2.811980
## [1] "Informació sobre les variables : Coverage(character) i Policy.Type(character)"

## v2
## v1 Corporate Auto Personal Auto Special Auto
## Basic 824 2926 170
## Extended 402 1467 89
## Premium 126 450 25
## [1] "El test de chi^2 entre Coverage i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.37334, df = 4, p-value = 0.9846
##
## [1] "Informació sobre les variables : Coverage(character) i Total.Claim.Amount(numeric)"

## Basic Extended Premium
## 376.8872 483.0171 645.1483
## [1] "Informació sobre les variables : Coverage(character) i Vehicle.Class(character)"

## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## Basic 1954 61 67 206 796 836
## Extended 1005 35 51 106 371 390
## Premium 311 15 17 40 107 111
## [1] "El test de chi^2 entre Coverage i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 17.383, df = 10, p-value = 0.0663
##
## [1] "Informació sobre les variables : Coverage(character) i Vehicle.Size(character)"

## v2
## v1 Large Medsize Small
## Basic 398 2756 766
## Extended 216 1360 382
## Premium 57 429 115
## [1] "El test de chi^2 entre Coverage i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 1.7814, df = 4, p-value = 0.7759
##
## [1] "Informació sobre les variables : Education(character) i EmploymentStatus(character)"

## v2
## v1 Disabled Employed Medical Leave Retired Unemployed
## Bachelor 87 1213 87 62 497
## College 63 1181 97 67 482
## Doctor 17 169 10 0 41
## High School or Below 80 1095 84 46 565
## Master 35 394 22 14 71
## [1] "El test de chi^2 entre Education i EmploymentStatus val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 99.803, df = 16, p-value = 3.772e-14
##
## [1] "Informació sobre les variables : Education(character) i Gender(character)"

## v2
## v1 F M
## Bachelor 1023 923
## College 965 925
## Doctor 117 120
## High School or Below 946 924
## Master 295 241
## [1] "El test de chi^2 entre Education i Gender val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 4.725, df = 4, p-value = 0.3167
##
## [1] "Informació sobre les variables : Education(character) i Income(integer)"

## Bachelor College Doctor
## 37564.58 37209.92 42323.97
## High School or Below Master
## 35865.08 43743.82
## [1] "Informació sobre les variables : Education(character) i Location.Code(character)"

## v2
## v1 Rural Suburban Urban
## Bachelor 387 1199 360
## College 383 1187 320
## Doctor 69 109 59
## High School or Below 260 1366 244
## Master 169 228 139
## [1] "El test de chi^2 entre Education i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 210.63, df = 8, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Education(character) i Marital.Status(character)"

## v2
## v1 Divorced Married Single
## Bachelor 330 1117 499
## College 283 1091 516
## Doctor 46 158 33
## High School or Below 241 1042 587
## Master 102 337 97
## [1] "El test de chi^2 entre Education i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 70.75, df = 8, p-value = 3.484e-12
##
## [1] "Informació sobre les variables : Education(character) i Monthly.Premium.Auto(integer)"

## Bachelor College Doctor
## 92.66033 92.67407 93.39662
## High School or Below Master
## 94.57273 94.74254
## [1] "Informació sobre les variables : Education(character) i Months.Since.Last.Claim(integer)"

## Bachelor College Doctor
## 14.96814 15.40635 16.08017
## High School or Below Master
## 14.84759 15.17910
## [1] "Informació sobre les variables : Education(character) i Months.Since.Policy.Inception(integer)"

## Bachelor College Doctor
## 47.93165 48.02434 47.62025
## High School or Below Master
## 48.24920 50.33769
## [1] "Informació sobre les variables : Education(character) i Number.of.Policies(integer)"

## Bachelor College Doctor
## 2.945529 2.867725 3.139241
## High School or Below Master
## 2.993048 2.904851
## [1] "Informació sobre les variables : Education(character) i Policy.Type(character)"

## v2
## v1 Corporate Auto Personal Auto Special Auto
## Bachelor 427 1442 77
## College 389 1407 94
## Doctor 38 187 12
## High School or Below 393 1396 81
## Master 105 411 20
## [1] "El test de chi^2 entre Education i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 8.2845, df = 8, p-value = 0.4062
##
## [1] "Informació sobre les variables : Education(character) i Total.Claim.Amount(numeric)"

## Bachelor College Doctor
## 424.9294 422.6518 354.4665
## High School or Below Master
## 487.4191 353.8665
## [1] "Informació sobre les variables : Education(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV
## Bachelor 987 31 43 78 390
## College 989 34 32 97 374
## Doctor 122 2 4 17 48
## High School or Below 910 35 41 124 359
## Master 262 9 15 36 103
## v2
## v1 Two-Door Car
## Bachelor 417
## College 364
## Doctor 44
## High School or Below 401
## Master 111
## [1] "El test de chi^2 entre Education i Vehicle.Class val: "
## Warning in chisq.test(v1, v2): Chi-squared approximation may be incorrect

##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 26.885, df = 20, p-value = 0.1385
##
## [1] "Informació sobre les variables : Education(character) i Vehicle.Size(character)"

## v2
## v1 Large Medsize Small
## Bachelor 176 1394 376
## College 196 1338 356
## Doctor 25 181 31
## High School or Below 212 1273 385
## Master 62 359 115
## [1] "El test de chi^2 entre Education i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 17.343, df = 8, p-value = 0.02673
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Gender(character)"

## v2
## v1 F M
## Disabled 168 114
## Employed 2105 1947
## Medical Leave 150 150
## Retired 93 96
## Unemployed 830 826
## [1] "El test de chi^2 entre EmploymentStatus i Gender val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 9.5665, df = 4, p-value = 0.0484
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Income(integer)"

## Disabled Employed Medical Leave Retired Unemployed
## 19967.05 56372.06 20347.35 20201.58 0.00
## [1] "Informació sobre les variables : EmploymentStatus(character) i Location.Code(character)"

## v2
## v1 Rural Suburban Urban
## Disabled 20 241 21
## Employed 1137 1911 1004
## Medical Leave 23 249 28
## Retired 0 182 7
## Unemployed 88 1506 62
## [1] "El test de chi^2 entre EmploymentStatus i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 1196.6, df = 8, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Marital.Status(character)"

## v2
## v1 Divorced Married Single
## Disabled 76 170 36
## Employed 649 2733 670
## Medical Leave 46 198 56
## Retired 72 82 35
## Unemployed 159 562 935
## [1] "El test de chi^2 entre EmploymentStatus i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 1101, df = 8, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Monthly.Premium.Auto(integer)"

## Disabled Employed Medical Leave Retired Unemployed
## 92.30496 93.65424 90.49333 92.43386 93.66184
## [1] "Informació sobre les variables : EmploymentStatus(character) i Months.Since.Last.Claim(integer)"

## Disabled Employed Medical Leave Retired Unemployed
## 14.82624 15.14610 15.53333 13.93122 15.16425
## [1] "Informació sobre les variables : EmploymentStatus(character) i Months.Since.Policy.Inception(integer)"

## Disabled Employed Medical Leave Retired Unemployed
## 47.29787 47.89511 48.33000 48.03175 49.24396
## [1] "Informació sobre les variables : EmploymentStatus(character) i Number.of.Policies(integer)"

## Disabled Employed Medical Leave Retired Unemployed
## 2.918440 2.950642 2.756667 2.534392 2.998188
## [1] "Informació sobre les variables : EmploymentStatus(character) i Policy.Type(character)"

## v2
## v1 Corporate Auto Personal Auto Special Auto
## Disabled 55 215 12
## Employed 857 3016 179
## Medical Leave 66 216 18
## Retired 38 143 8
## Unemployed 336 1253 67
## [1] "El test de chi^2 entre EmploymentStatus i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 3.8065, df = 8, p-value = 0.8741
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Total.Claim.Amount(numeric)"

## Disabled Employed Medical Leave Retired Unemployed
## 470.9889 360.6075 479.2102 489.9094 592.1033
## [1] "Informació sobre les variables : EmploymentStatus(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV
## Disabled 135 6 2 17 61
## Employed 2061 75 92 215 763
## Medical Leave 158 1 6 14 59
## Retired 91 0 6 16 37
## Unemployed 825 29 29 90 354
## v2
## v1 Two-Door Car
## Disabled 61
## Employed 846
## Medical Leave 62
## Retired 39
## Unemployed 329
## [1] "El test de chi^2 entre EmploymentStatus i Vehicle.Class val: "
## Warning in chisq.test(v1, v2): Chi-squared approximation may be incorrect

##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 22.662, df = 20, p-value = 0.3057
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Vehicle.Size(character)"

## v2
## v1 Large Medsize Small
## Disabled 25 189 68
## Employed 402 2871 779
## Medical Leave 36 195 69
## Retired 23 140 26
## Unemployed 185 1150 321
## [1] "El test de chi^2 entre EmploymentStatus i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 14.469, df = 8, p-value = 0.07033
##
## [1] "Informació sobre les variables : Gender(character) i Income(integer)"

## F M
## 38067.92 37215.87
## [1] "Informació sobre les variables : Gender(character) i Location.Code(character)"

## v2
## v1 Rural Suburban Urban
## F 719 1988 639
## M 549 2101 483
## [1] "El test de chi^2 entre Gender i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 40.646, df = 2, p-value = 1.492e-09
##
## [1] "Informació sobre les variables : Gender(character) i Marital.Status(character)"

## v2
## v1 Divorced Married Single
## F 526 1970 850
## M 476 1775 882
## [1] "El test de chi^2 entre Gender i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 6.2441, df = 2, p-value = 0.04407
##
## [1] "Informació sobre les variables : Gender(character) i Monthly.Premium.Auto(integer)"

## F M
## 93.16228 93.68592
## [1] "Informació sobre les variables : Gender(character) i Months.Since.Last.Claim(integer)"

## F M
## 14.99283 15.25439
## [1] "Informació sobre les variables : Gender(character) i Months.Since.Policy.Inception(integer)"

## F M
## 48.26091 48.21353
## [1] "Informació sobre les variables : Gender(character) i Number.of.Policies(integer)"

## F M
## 2.932756 2.948292
## [1] "Informació sobre les variables : Gender(character) i Policy.Type(character)"

## v2
## v1 Corporate Auto Personal Auto Special Auto
## F 697 2502 147
## M 655 2341 137
## [1] "El test de chi^2 entre Gender i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.0066451, df = 2, p-value = 0.9967
##
## [1] "Informació sobre les variables : Gender(character) i Total.Claim.Amount(numeric)"

## F M
## 414.2984 454.7198
## [1] "Informació sobre les variables : Gender(character) i Vehicle.Class(character)"

## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## F 1726 52 62 171 657 678
## M 1544 59 73 181 617 659
## [1] "El test de chi^2 entre Gender i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 6.2817, df = 5, p-value = 0.2798
##
## [1] "Informació sobre les variables : Gender(character) i Vehicle.Size(character)"

## v2
## v1 Large Medsize Small
## F 358 2306 682
## M 313 2239 581
## [1] "El test de chi^2 entre Gender i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 5.0854, df = 2, p-value = 0.07865
##
## [1] "Informació sobre les variables : Income(integer) i Location.Code(character)"

## F M
## 414.2984 454.7198
## [1] "Informació sobre les variables : Income(integer) i Marital.Status(character)"

## F M
## 414.2984 454.7198
## [1] "Informació sobre les variables : Income(integer) i Monthly.Premium.Auto(integer)"

## [1] "La correlació entre Income i Monthly.Premium.Auto és de: -0.00736765279276711"
## [1] "La covariancia entre Income i Monthly.Premium.Auto és de: -7722.49294981611"
## [1] "Informació sobre les variables : Income(integer) i Months.Since.Last.Claim(integer)"

## [1] "La correlació entre Income i Months.Since.Last.Claim és de: -0.0164875624791082"
## [1] "La covariancia entre Income i Months.Since.Last.Claim és de: -5076.93995067352"
## [1] "Informació sobre les variables : Income(integer) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Income i Months.Since.Policy.Inception és de: -0.00399121199920497"
## [1] "La covariancia entre Income i Months.Since.Policy.Inception és de: -3377.45622016002"
## [1] "Informació sobre les variables : Income(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Income i Number.of.Policies és de: -0.0130307790690499"
## [1] "La covariancia entre Income i Number.of.Policies és de: -940.180773221257"
## [1] "Informació sobre les variables : Income(integer) i Policy.Type(character)"

## F M
## 414.2984 454.7198
## [1] "Informació sobre les variables : Income(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Income i Total.Claim.Amount és de: -0.347834918181524"
## [1] "La covariancia entre Income i Total.Claim.Amount és de: -3052157.01794471"
## [1] "Informació sobre les variables : Income(integer) i Vehicle.Class(character)"

## F M
## 414.2984 454.7198
## [1] "Informació sobre les variables : Income(integer) i Vehicle.Size(character)"

## F M
## 414.2984 454.7198
## [1] "Informació sobre les variables : Location.Code(character) i Marital.Status(character)"

## v2
## v1 Divorced Married Single
## Rural 218 862 188
## Suburban 632 2083 1374
## Urban 152 800 170
## [1] "El test de chi^2 entre Location.Code i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 292.23, df = 4, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Location.Code(character) i Monthly.Premium.Auto(integer)"

## Rural Suburban Urban
## 89.36514 95.50795 90.36720
## [1] "Informació sobre les variables : Location.Code(character) i Months.Since.Last.Claim(integer)"

## Rural Suburban Urban
## 15.53864 15.05234 14.88948
## [1] "Informació sobre les variables : Location.Code(character) i Months.Since.Policy.Inception(integer)"

## Rural Suburban Urban
## 48.39117 47.89973 49.29768
## [1] "Informació sobre les variables : Location.Code(character) i Number.of.Policies(integer)"

## Rural Suburban Urban
## 2.984227 2.922964 2.953654
## [1] "Informació sobre les variables : Location.Code(character) i Policy.Type(character)"

## v2
## v1 Corporate Auto Personal Auto Special Auto
## Rural 282 935 51
## Suburban 835 3076 178
## Urban 235 832 55
## [1] "El test de chi^2 entre Location.Code i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 2.9644, df = 4, p-value = 0.5638
##
## [1] "Informació sobre les variables : Location.Code(character) i Total.Claim.Amount(numeric)"

## Rural Suburban Urban
## 108.3871 562.2598 333.6580
## [1] "Informació sobre les variables : Location.Code(character) i Vehicle.Class(character)"

## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## Rural 686 11 17 75 212 267
## Suburban 1999 88 101 226 837 838
## Urban 585 12 17 51 225 232
## [1] "El test de chi^2 entre Location.Code i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 36.008, df = 10, p-value = 8.392e-05
##
## [1] "Informació sobre les variables : Location.Code(character) i Vehicle.Size(character)"

## v2
## v1 Large Medsize Small
## Rural 148 992 128
## Suburban 423 2647 1019
## Urban 100 906 116
## [1] "El test de chi^2 entre Location.Code i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 218.73, df = 4, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Marital.Status(character) i Monthly.Premium.Auto(integer)"

## Divorced Married Single
## 93.17365 93.18932 94.04446
## [1] "Informació sobre les variables : Marital.Status(character) i Months.Since.Last.Claim(integer)"

## Divorced Married Single
## 14.86527 15.26302 14.95554
## [1] "Informació sobre les variables : Marital.Status(character) i Months.Since.Policy.Inception(integer)"

## Divorced Married Single
## 49.57086 47.95060 48.08834
## [1] "Informació sobre les variables : Marital.Status(character) i Number.of.Policies(integer)"

## Divorced Married Single
## 2.810379 2.966889 2.957852
## [1] "Informació sobre les variables : Marital.Status(character) i Policy.Type(character)"

## v2
## v1 Corporate Auto Personal Auto Special Auto
## Divorced 216 754 32
## Married 779 2797 169
## Single 357 1292 83
## [1] "El test de chi^2 entre Marital.Status i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 4.3702, df = 4, p-value = 0.3582
##
## [1] "Informació sobre les variables : Marital.Status(character) i Total.Claim.Amount(numeric)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Marital.Status(character) i Vehicle.Class(character)"

## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## Divorced 536 11 27 54 187 187
## Married 1867 59 71 205 751 792
## Single 867 41 37 93 336 358
## [1] "El test de chi^2 entre Marital.Status i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 14.818, df = 10, p-value = 0.1388
##
## [1] "Informació sobre les variables : Marital.Status(character) i Vehicle.Size(character)"

## v2
## v1 Large Medsize Small
## Divorced 96 724 182
## Married 420 2594 731
## Single 155 1227 350
## [1] "El test de chi^2 entre Marital.Status i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 9.092, df = 4, p-value = 0.05884
##
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Months.Since.Last.Claim(integer)"

## [1] "La correlació entre Monthly.Premium.Auto i Months.Since.Last.Claim és de: 0.0103149744515674"
## [1] "La covariancia entre Monthly.Premium.Auto i Months.Since.Last.Claim és de: 3.60062078157751"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Monthly.Premium.Auto i Months.Since.Policy.Inception és de: 0.0228376779875119"
## [1] "La covariancia entre Monthly.Premium.Auto i Months.Since.Policy.Inception és de: 21.9078889828639"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Monthly.Premium.Auto i Number.of.Policies és de: -0.00940320346217802"
## [1] "La covariancia entre Monthly.Premium.Auto i Number.of.Policies és de: -0.769095857273893"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Policy.Type(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Monthly.Premium.Auto i Total.Claim.Amount és de: 0.633789148375906"
## [1] "La covariancia entre Monthly.Premium.Auto i Total.Claim.Amount és de: 6304.37660004245"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Vehicle.Class(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Vehicle.Size(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Months.Since.Policy.Inception(integer)"

## [1] "La correlació entre Months.Since.Last.Claim i Months.Since.Policy.Inception és de: -0.0393924137888862"
## [1] "La covariancia entre Months.Since.Last.Claim i Months.Since.Policy.Inception és de: -11.1014161409977"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Months.Since.Last.Claim i Number.of.Policies és de: 0.00980484676620657"
## [1] "La covariancia entre Months.Since.Last.Claim i Number.of.Policies és de: 0.235593146518776"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Policy.Type(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Months.Since.Last.Claim i Total.Claim.Amount és de: 0.0107578295618635"
## [1] "La covariancia entre Months.Since.Last.Claim i Total.Claim.Amount és de: 31.4368636776821"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Vehicle.Class(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Vehicle.Size(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Number.of.Policies(integer)"

## [1] "La correlació entre Months.Since.Policy.Inception i Number.of.Policies és de: -0.0158894315291808"
## [1] "La covariancia entre Months.Since.Policy.Inception i Number.of.Policies és de: -1.04922724906806"
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Policy.Type(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Months.Since.Policy.Inception i Total.Claim.Amount és de: 0.00680470654380989"
## [1] "La covariancia entre Months.Since.Policy.Inception i Total.Claim.Amount és de: 54.6466209228817"
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Vehicle.Class(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Vehicle.Size(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Policy.Type(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Total.Claim.Amount(numeric)"

## [1] "La correlació entre Number.of.Policies i Total.Claim.Amount és de: -0.00855323524640639"
## [1] "La covariancia entre Number.of.Policies i Total.Claim.Amount és de: -5.85653011733403"
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Vehicle.Class(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Vehicle.Size(character)"

## Divorced Married Single
## 401.9312 386.8745 553.8679
## [1] "Informació sobre les variables : Policy.Type(character) i Total.Claim.Amount(numeric)"

## Corporate Auto Personal Auto Special Auto
## 422.4689 435.9323 452.3996
## [1] "Informació sobre les variables : Policy.Type(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV
## Corporate Auto 678 23 25 75 267
## Personal Auto 2451 83 105 257 948
## Special Auto 141 5 5 20 59
## v2
## v1 Two-Door Car
## Corporate Auto 284
## Personal Auto 999
## Special Auto 54
## [1] "El test de chi^2 entre Policy.Type i Vehicle.Class val: "
## Warning in chisq.test(v1, v2): Chi-squared approximation may be incorrect

##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 2.9373, df = 10, p-value = 0.9829
##
## [1] "Informació sobre les variables : Policy.Type(character) i Vehicle.Size(character)"

## v2
## v1 Large Medsize Small
## Corporate Auto 137 954 261
## Personal Auto 510 3394 939
## Special Auto 24 197 63
## [1] "El test de chi^2 entre Policy.Type i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 2.3697, df = 4, p-value = 0.6681
##
## [1] "Informació sobre les variables : Total.Claim.Amount(numeric) i Vehicle.Class(character)"

## Corporate Auto Personal Auto Special Auto
## 422.4689 435.9323 452.3996
## [1] "Informació sobre les variables : Total.Claim.Amount(numeric) i Vehicle.Size(character)"

## Corporate Auto Personal Auto Special Auto
## 422.4689 435.9323 452.3996
## [1] "Informació sobre les variables : Vehicle.Class(character) i Vehicle.Size(character)"

## v2
## v1 Large Medsize Small
## Four-Door Car 330 2290 650
## Luxury Car 12 67 32
## Luxury SUV 9 100 26
## Sports Car 35 269 48
## SUV 125 922 227
## Two-Door Car 160 897 280
## [1] "El test de chi^2 entre Vehicle.Class i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 26.945, df = 10, p-value = 0.002657